Tensorflow:是否可以创建2D LSTM？

Question

我有4个不同时间序列的数据,例如:

    [35, 45, 47, 39...]
    [47, 60, 57, 55...]
    [42, 42, 61, 69...]
    [62, 70, 62, 65...]

事情是,除了时间依赖(水平一),还存在垂直依赖(在列中,如果我们看这个例子'矩阵').

输出向量将是这些相同的时间序列,仅移位一步.

是否可以为每个时间序列创建LSTM网络(因此,在我的情况下,4个网络,还有4个输出),但也可以垂直连接它们,即创建2D LSTM？

如果是这样,那么在Tensorflow中如何实现这一目标？

是否也可以使这种网络更深入(将这4个网络中的每一个都附加额外的LSTM层)？

我希望我能够解释清楚.

Answer 1

一种解决方案是使用多维 RNN 或 LSTM，如https://arxiv.org/pdf/0705.2011.pdf中所述。在这种情况下，您的数据将被视为具有 4 个维度的序列。此 github 存储库提供了 2D LSTM 的实现https://github.com/philipperemy/tensorflow-multi-Dimensional-lstm。希望这可以帮助